摘要： 繼雲計算之後，邊緣計算這把火你了解多少？來了解一下吧。
3月28日，在2018雲棲大會·深圳峰會上，阿里雲宣布2023年將戰略投入到邊緣計算技術領域，並推出了首個iot邊緣計算產品link edge,將阿里雲在雲計算、大資料、人工智慧的優勢拓寬到更靠近端的邊緣計算上，打造雲、變、端一體化的協同計算體系。
link edge
的優勢還體現在提公升ai的實踐效率，開發者可將深度學習的分析、訓練過程放在雲端，將生成的模型部署在邊緣閘道器直接執行，優化良率、提公升產能。
另外，今年1月，在美國裝備有最新技術的卡車在美國從西向東自主行駛超過3800公里。完成這項壯舉的獨特技術組合完美地展現了邊緣計算的力量。你是否熟悉邊緣計算的概念及其含義？
邊緣計算是允許我們盡可能靠近應用程式並且是一種重新定位資料處理的技術。
即使車上有一名操作人員來確保這項駕駛試驗的安全，但是我們不得不承認這輛普通的卡車，它已被新增了感測器和軟體以完成此項任務。「
embark
卡車」方法的顯著特點在於，他們沒有使用詳細的路線圖來指導他們自動駕駛系統，而是考慮採用另一種方式來引導卡車。embark完全依靠車輛感測器和嵌入式機器學習演算法收集的資料。
什麼是邊緣計算？
這項技術的特點是軟體和硬體架構結合，其資料處理盡可能接近他們的本體。它主要涉及物聯網和移動計算，依賴於智慧型裝置以及一些雲。值得注意的是邊緣計算的另乙個方面主要涉及在短時間內處理價值特別重要的資料。
根據前面的例子，卡車感測器產生的資料在其搭載裝置內處理。顯然，卡車必須實時「看到」道路來相應地處理駕駛任務。
它必然需要先進的技術，包括低功耗感測器，rfid（射頻識別），低成本電池供電，低成本資料通訊鏈路以及資料儲存和計算系統。
「邊緣計算是為精簡物聯網裝置提供實時本地資料分析的方法。」-
布蘭登巴特勒
分析
idc表示到2023年，近50％的物聯網建立的資料將被儲存、處理、分析、並在網路邊緣進行操作。
麥肯錫估計，到2023年，物聯網應用的經濟影響可能會從每年3.9萬億美元增長到11.1萬億美元。他們舉例說：「在2023年，通過遠端監控改善慢性病患者健康狀況的價值可能高達每年1.1萬億美元」。
markets and markets
的乙份新研究報告預計，邊緣計算市場預計將從2023年的14.7億美元增長到2023年的67.2億美元，在**期內復合年增長率超過35％。
gartner
的分析報告顯示，目前，大約10％的企業生成資料是在傳統的集中式資料中心或雲之外建立和處理的，到2023年，gartner**這一數字將達到50％。
邊緣計算的範圍
根據麥肯錫的
說法：「目前使用的物聯網資料主要用於異常檢測和控制，而不是優化和**，這提供了最大的價值。」麥肯錫還指出，物聯網裝置產生的大多數資料（更準確的說來自邊緣的智慧型系統）在今天沒有利用價值。他們的分析使他們感到公司可以從這些資料的90％的經濟價值中受益。在他們看來，可以充分利用邊緣計算的主要領域包括：
雖然邊緣計算有許多不同的使用場景，但它們本質上依然與iot緊密相關。最著名的例子可能是自動駕駛汽車和智慧型手機。然而，包括通用電氣數字在內的最大的創新型工業公司多年來一直致力於此工作，主要是在工業物聯網（iiot）的背景下。同樣，越來越多的智慧型城市專案正在蓬勃發展遍布涉及物聯網和ai技術，比如阿里雲巴正在打造智慧型杭州，其中這些場景都離不開邊緣計算。
到2023年，全球可用儲存容量將能夠儲存數字世界中不到15％的資料量。——idc
根據idc進行的「數字宇宙」研究，全球資料將在未來兩年內攀公升超過40 zb，其中物聯網領域佔10％。很容易看出為什麼工業界對iiot和邊緣計算有著極大的興趣。
邊緣計算有很多潛在的用途，但工業領域的典型用例已經有了很多：
人工智慧使邊緣計算達到新的水平
在邊緣計算有三個方面可以充分利用人工智慧：
1.
無人駕駛汽車
無人駕駛汽車無疑是未來的「頭牌」，無人駕駛生態系統包括軟體開發，硬體製造商，應用開發商，資料科學家，汽車製造商，感測器製造商等。他們正在匯集技術和專業知識，以實現自動駕駛能力。他們依靠應用程式和演算法來賦予裝備車輛的感測器獲取的資料。例如，他們致力於開發和完善處理感測器資料的ai演算法，以讓車輛做出即時決策，例如緊急停車。而邊緣計算則是無人駕駛汽車不可缺少的技術之一。
2.
機械人技術
在這個領域有兩大類：乙個是機器，另乙個是軟體自動化。關於軟體自動化（aka機械人過程自動化），請參閱作者的文章
ai如何將機械人過程自動化帶入下一階段
。 當我們談到機械人時，為了讓他們在工作區域高效執行，除了機械人的功能（例如，移動沉重的負載並在複雜的危險環境中工作）外，他們必須還需要獲得重要功能的授權，其中可能包括機器視覺、語音識別和複雜的決策演算法。
真正的挑戰在於讓機械人在人類環境中工作，同時又要確保人類同事的安全。而事實是人類會犯錯誤，他們可能會有不穩定的行為，他們會違反或誤解安全規則。
3.
維護和監測
雖然物聯網長期以來一直涉及很多場景，但擁有ai演算法處理邊緣的感測器資料為維護和監控的過程提供了另外一種可能。**性維護對於航空公司來說是非常重要的，所以它變成了一項航空公司非常重視的服務。工業企業面臨的下乙個挑戰是加強**性維護，以改進流程，縮短上市時間，減少停機時間，節省資金，甚至挽救企業生命。
這是edge computing ai可以發揮重大作用的乙個領域。無論是客機，運輸卡車還是汽車，機器的質量不僅取決於它的效率，還取決於它的可靠性。
為了確保機器的可靠性，我們需要改進維護流程。安排像飛機這樣複雜的機器的維護可能是一場噩夢。例如，空a380擁有約700萬個零件。然而真正的挑戰在於找到維護應該繼續的非常恰當的時刻。它必須以不會過早更換的方式進行，但同時不會失敗。回答業界最緊迫的問題需要結合感測器資料、機器學習演算法和高階模型。
結論
隨著喬恩·
馬克曼正確地指出，你現在必須清楚，雲計算出現之前包括移動從本地資料庫到資料中心的資料-大多數計算確實發生在網路的邊緣。
事實上，今天似乎很清楚，技術發展資料量增加，實時資料處理的需求以及智慧型裝置，感測器和相關事物日益複雜和廣泛的可用性導致了邊緣計算的出現的必然。
人工智慧讓邊緣計算更有價值
3月28日，在2018雲棲大會 深圳峰會上，阿里雲宣布2018年將戰略投入到邊緣計算技術領域，並推出了首個iot邊緣計算產品link edge,將阿里雲在雲計算 大資料 人工智慧的優勢拓寬到更靠近端的邊緣計算上，打造雲 變 端一體化的協同計算體系。link edge的優勢還體現在提公升ai的實踐效率...
當人工智慧遇上區塊鏈 協同與結合才更有價值和空間
通訊網路的不斷公升級，計算能力的持續提公升，促使人工智慧技術新一輪興起。近年來，隨著越來越多的力量進入這一市場，人工智慧技術發展明顯提速，包括語音助手 同傳翻譯 無人駕駛等在內的各式應用如雨後春筍般湧現。更為重要的是，人工智慧正在加速與實體經濟融合，助力更多的行業轉型公升級，智慧型交通 智慧型醫療 ...
人工智慧如何改變邊緣計算的未來
隨著物聯網裝置 例如手機，虛擬助手，膝上型電腦，平板電腦，建築物感測器，無人機，安全攝像機和可穿戴式健康感測器 的數量有望在2025年超過700億，邊緣計算應用也將增加。物聯網裝置在零售，醫療保健，工業，航空航天，國防，運輸，設施維護，能源，製造業，鏈物流和智慧型城市等廣泛領域中具有廣泛多樣的應用。...